想做數(shù)據(jù)分析是學(xué)python還是學(xué)大數(shù)據(jù)？大數(shù)據(jù)結(jié)構(gòu)中的很多組件都是用Java語言編寫的，還有一些是用Scala編寫的，比如Hadoop中的HDFS、MapReduce、yarn、ZK、HBase、h

想做數(shù)據(jù)分析是學(xué)python還是學(xué)大數(shù)據(jù)？

大數(shù)據(jù)結(jié)構(gòu)中的很多組件都是用Java語言編寫的，還有一些是用Scala編寫的，比如Hadoop中的HDFS、MapReduce、yarn、ZK、HBase、hive、spark等。這些東西更傾向于數(shù)據(jù)工程、數(shù)據(jù)處理和計(jì)算。Python語言，包括pandas、numpy、SciPy等數(shù)據(jù)分析擴(kuò)展包，通過學(xué)習(xí)使用這些包，可以充分掌握數(shù)據(jù)分析的能力。因此，要學(xué)習(xí)數(shù)據(jù)分析，建議學(xué)習(xí)Python而不是大數(shù)據(jù)。

學(xué)Python一定要會(huì)算法嗎？

開始時(shí)，您不必很好地學(xué)習(xí)算法。但是隨著技術(shù)的發(fā)展，仍然需要算法，否則只能做一些工作。

1. 學(xué)好軟件開發(fā)離不開計(jì)算機(jī)理論基礎(chǔ)，比如數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、網(wǎng)絡(luò)技術(shù)、算法研究等，如果你喜歡這項(xiàng)技術(shù)，那就不是問題。先開始，你可以彌補(bǔ)。

2. 算法是軟件開發(fā)的靈魂。好的算法寫不出好的程序。

3. 如何學(xué)習(xí)算法，首先選擇經(jīng)典算法教材。基本的可以從數(shù)據(jù)結(jié)構(gòu)中學(xué)習(xí)，其中包含一些基本的算法，然后再學(xué)習(xí)特殊的算法（實(shí)際上，在數(shù)據(jù)結(jié)構(gòu)領(lǐng)域?qū)W習(xí)算法一般就足夠了）。網(wǎng)上還有很多論壇、算法網(wǎng)站，為了吸引眼球，它們一般都很通俗易懂。大多數(shù)算法都是C語言，但是語言在算法層次上是相互聯(lián)系的，因此理解算法模型是最重要的。

4. 萬事開頭難。只要你開始，剩下的就是慢慢操作這項(xiàng)技術(shù)。該算法在實(shí)際應(yīng)用中是最快、最強(qiáng)的。

希望對(duì)你有所幫助

有哪些用Python語言講算法和數(shù)據(jù)結(jié)構(gòu)的書？

覺得當(dāng)你問這個(gè)問題時(shí)，你可能主要懷疑python的性能？事實(shí)上，Python的很多更好的模塊都是用C語言編寫的，比如一個(gè)常用的Python數(shù)值計(jì)算模塊庫(kù)numpy是用C語言實(shí)現(xiàn)的，而且計(jì)算機(jī)的配置也沒有十年前那么低。今年，python掀起了一股依靠人工智能的浪潮。作為人工智能產(chǎn)品開發(fā)中最流行的編程語言，人工智能相關(guān)產(chǎn)品的開發(fā)自然離不開大數(shù)據(jù)的支持，因此Python能否進(jìn)行大規(guī)模的數(shù)值計(jì)算，毋庸置疑。

Python能否進(jìn)行大規(guī)模數(shù)值計(jì)算？

首先，數(shù)據(jù)分析還有一定的難度，但只要通過系統(tǒng)的學(xué)習(xí)過程，大多數(shù)人都能掌握一定的數(shù)據(jù)分析知識(shí)。

數(shù)據(jù)分析的核心不是編程語言，而是算法設(shè)計(jì)。無論是統(tǒng)計(jì)分析還是機(jī)器學(xué)習(xí)分析，算法設(shè)計(jì)都是數(shù)據(jù)分析的核心。因此，數(shù)據(jù)分析必須有一定的數(shù)學(xué)基礎(chǔ)，包括高等數(shù)學(xué)、線性代數(shù)、概率論等。當(dāng)然，如果通過工具進(jìn)行數(shù)據(jù)分析，即使數(shù)學(xué)比較薄弱，也可以完成一些基礎(chǔ)數(shù)據(jù)分析任務(wù)。例如，Bi工具可以完成大量的企業(yè)級(jí)數(shù)據(jù)分析任務(wù)。

使用Python語言實(shí)現(xiàn)數(shù)據(jù)分析是大數(shù)據(jù)領(lǐng)域的常用解決方案。利用Python實(shí)現(xiàn)基于機(jī)器學(xué)習(xí)的數(shù)據(jù)分析需要經(jīng)過數(shù)據(jù)采集、數(shù)據(jù)整理、算法設(shè)計(jì)、算法實(shí)現(xiàn)、算法驗(yàn)證和算法應(yīng)用等多個(gè)步驟。通常需要掌握一些常用的機(jī)器學(xué)習(xí)算法，包括KNN、決策樹、支持向量機(jī)、樸素貝葉斯等，用Python來完成這些算法比較方便，因?yàn)镻ython的numpy、Matplotlib、SciPy、panda等庫(kù)都會(huì)提供強(qiáng)大的支持。讓我們以Matplotlib中的一個(gè)簡(jiǎn)單示例為例：

因?yàn)镻ython語言的語法相對(duì)簡(jiǎn)單，所以學(xué)習(xí)Python的過程相對(duì)容易。難點(diǎn)在于算法的學(xué)習(xí)。如何在不同的場(chǎng)景下選擇不同的算法是關(guān)鍵問題。此外，學(xué)習(xí)數(shù)據(jù)分析通常需要對(duì)行業(yè)知識(shí)有一定的了解。不同行業(yè)對(duì)數(shù)據(jù)分析維度的要求不同，這些知識(shí)需要在工作中積累。在工業(yè)互聯(lián)網(wǎng)發(fā)展的背景下，行業(yè)知識(shí)顯得尤為重要。